[發明專利]一種基于遺傳算法優化BP神經網絡的水聲目標識別方法

在審

• 申請號: 202010025865.9
• 申請日: 2020-01-10
• 公開（公告）號: CN111259750A
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 曾向陽;楊爽;王海濤;喬彥
• 申請（專利權）人: 西北工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06N3/00;G06N3/12;G06F30/20
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 金鳳

本發明提供了一種基于遺傳算法優化BP神經網絡的水聲目標識別方法，提取水聲信號的MFCC水聲特征，水聲特征作為BP神經網絡分類器的樣本；然后隨機初始化遺傳算法的種群，種群中的個體包含需要優化的BP神經網絡的權值和閾值，權值和閾值作為遺傳算法的目標優化函數，目標優化函數代入BP神經網絡獲得仿真誤差，優化種群中每個個體的仿真誤差，獲得BP神經網絡的最佳初始權重和閾值；最后利用遺傳算法優化后的BP神經網絡對水聲特征進行訓練和識別，獲得分類算法的正確率。本發明使用遺傳算法對水聲目標的特征進行識別分類，用遺傳算法優化后的BP神經網絡訓練和預測水聲目標可獲得更高的識別率，識別性能更穩定。

技術領域

本發明涉及水聲領域，尤其是一種水聲目標識別方法。

背景技術

在海洋中，主要靠聲波來傳遞和獲取各種信息。在水聲目標處理中，水聲目標的識別分類一直是重要的研究方向之一。

水聲目標識別技術主要包括特征提取方法和分類器的設計。特征提取的任務是選取表征目標身份的有效且穩定可靠的特征。實際的水下目標信號不僅發聲機理復雜，而且成分多樣。水聲目標的特征分析方法經歷了單純從時域、頻域分析發展到從時間-頻率聯合域分析，從二階距到高階統計量分析。對水聲目標提取的特征不再局限于某一特定類的特征而是考慮到各種類型的特征。多種特征分析方法和多種類型特征量聯合運用將更加全面、準確的反映水聲目標的性質；希爾伯特一黃變換(Hilbert-Huang Transform，簡稱HHT)，是1998年由Norden E.Huang等人提出的一種新的信號分析方法，它是非平穩信號處理方法的一大突破，它不受傅里葉分析的局限，能夠更加精確的表達出具有物理意義的時頻圖，是一種更具適應性的時頻局部化分析方法；基于聽覺模型和聽覺特征的水下目標識別是近年來比較關注的一個方向。聲納員在經過訓練后能夠較準確的判斷水下噪聲源的種類，說明人耳能夠提取這些噪聲源輻射信號中的關鍵特征。在聲音辨識(SpeechRecognition)方面，最常用到的聲音特征就是梅爾倒譜系數(Mel-frequency cepstrumcoefficients,MFCC)，此參數考慮到人耳對不同頻率的感受程度，特別適合用在聲音辨識領域。

分類器設計的任務是對訓練和識別的特征模式做準確的類別劃分。高斯混合模型(Gaussian mixture model,GMM)在說話人識別中取得了很好的識別率；支持向量機(Support Vector Machine,SVM)具有結構風險最小化(適用于中小型樣本)以及全局最優的特點，已成為水下聲目標識別中的主要分類器設計方法；BP神經網絡(Back PropagationNeural Network)無論在網絡理論還是在性能方面已比較成熟。其突出優點就是具有它具有大規模并行處理、分布式信息存儲、非線性動力學和網絡全局作用等特性，具有很強的自適應和學習能力、運行的魯棒性和容錯能力。網絡的中間層數、各層的神經元個數可根據具體情況任意設定，并且隨著結構的差異其性能也有所不同。在水聲目標識別領域，目標信號十分不穩定。這主要是由于水下環境和水聲信號的復雜性造成的，另外很難掌握水聲信號的先驗數學知識，也很難對其進行準確的描述。水聲目標的分類是一個非線性問題，非常復雜。而利用神經網絡可以很好地解決以上這些問題，也正是因為神經網絡的自身特點使其在水聲目標識別領域得到了廣泛的應用。

但是BP神經網絡在實際的應用中其網絡拓撲結構的選取和初始權重的確定缺乏理論依據，且其訓練主要依靠BP算法，存在收斂速度慢、容易陷入局部極值及“過學習”的問題。

發明內容

為了克服現有技術的不足，本發明提供一種基于遺傳算法優化BP神經網絡的水聲目標識別方法。本發明在MATLAB環境下提取水聲信號的MFCC水聲特征，水聲特征作為BP神經網絡分類器的樣本；然后隨機初始化遺傳算法的種群，種群中的個體包含需要優化的BP神經網絡的權值和閾值，權值和閾值作為遺傳算法的目標優化函數，目標優化函數代入BP神經網絡獲得仿真誤差，優化種群中每個個體的仿真誤差，獲得BP神經網絡的最佳初始權重和閾值；最后利用遺傳算法優化后的BP神經網絡對水聲特征進行訓練和識別，獲得分類算法的正確率。